Search
#週末精選
美國數據庫行銷研究所亞瑟‧修斯（Arthur Hughes）指出，在顧客資料庫中有 3 項重要指標，可以分析顧客的價值：
最近一次消費（recency）、消費頻率（frequency）、消費金額（monetary）。
將上述 3 項指標畫出 x 軸、y 軸與 z 軸，構成 RFM 模型（編按：此概念最早提出者為學者喬治‧卡利南（George Cullinan）），可清楚看出客戶結構中，存在 8 種客戶：
https://meet.bnext.com.tw/articles/view/46704
企業應建立健康的顧客結構，做好顧客分群，針對不同客群提供服務，將小客戶培養成忠誠大客戶，以分散風險，確保企業持續存活。
美國數據庫行銷研究所亞瑟‧修斯（Arthur Hughes）指出，在顧客資料庫中有 3 項重要指標，可以分析顧客的價值：
https://pse.is/fb06072200
常說營運要分眾操作：
以營收方程式Login x Pay rate X ARPPU來看：
✅Login：能分為新增、活躍、回流、流失
✅Pay rate：能分為免費、付費
✅ARPPU：能分為極輕度、輕度、中度、重度、極重度付費玩家
今天分享一套架構叫做「RFM模型」，
👉R：recency，最近一次消費
👉F：frequency，消費頻率
👉M：monetary，消費金額
透過上述消費行為與金額就能將用戶拆分為8種類型，
而透過檢視自家產品這8種類型用戶的佔比，
就能健檢出產品的活力，
以及如何針對各類型用戶做出不同處置與營運操作。
詳細的說明可以點連結觀看，
甚至文末還有相關推薦書籍可以買來看。
(共6本，我看了目錄，蠻推薦閱讀，我也訂購了一套當工具書)
我認為分眾操作最難的不在於「分眾」，
🔥而是在於「持續追蹤」與「事前預測」。
例如王小明在「分眾」中被歸類為「重課玩家」，
必須要有能力持續追蹤王小明後續的消費日期、頻率、金額，
同時還要判斷當上述指標降低到什麼水位時，
代表王小明「即將可能」變成中課玩家。
這時候就會有警示提醒營運人員，
以便透過發放優惠券、簡訊提醒、電話關懷等，
讓王小明繼續維持在「重課玩家」這個標籤上。
如果遊戲內有10萬個玩家，
就代表有10萬個王小明，
得透過大數據分析與自動監控才能實現這樣的提前干預。
我自己是很想做這件事情，
但以我目前技術與能力限制下，
最多做到定期追蹤與事後干預，
想再進一步，那資料處理的難度就太高了，
除非自動化，不然想靠人力分析不太可能。
這套機制我認為目前電商會玩的比較溜，
如果有遊戲業同仁使用過RFM模型，
歡迎分享一下營運心得。
